我正在尝试对值表进行学生 t 检验,同时尝试遵循本网站上的解释和详细信息。我知道如果 p 值是
- <.01 那么它真的很重要
- >.05 不显着
- 在这两者之间,我们需要更多数据
但是在那个页面上,无论 p 值是多少,他们似乎都接受了他们的零假设。所以我现在真的不明白什么时候接受或拒绝零假设。
- 你什么时候接受或拒绝零假设?
- 你真的不应该接受你的零假设,而是拒绝或不拒绝零假设吗?
我正在尝试对值表进行学生 t 检验,同时尝试遵循本网站上的解释和详细信息。我知道如果 p 值是
但是在那个页面上,无论 p 值是多少,他们似乎都接受了他们的零假设。所以我现在真的不明白什么时候接受或拒绝零假设。
我建议说我们“未能拒绝原假设”要好得多,因为至少有两个原因我们可能无法取得显着的结果:首先可能是因为 H0 实际上是正确的,但也可能是假设 H0 是错误的,但我们没有收集到足够的数据来提供足够的证据来反对它。考虑我们试图确定硬币是否有偏差的情况(H0 表示硬币是公平的)。如果我们只观察 4 次硬币翻转,p 值永远不会小于 0.05,即使硬币如此偏斜以至于两边都有正面,所以我们总是“无法拒绝原假设”。显然,在这种情况下,我们不想接受原假设,因为它不是真的。
更新:在观察数据之前,通常知道零假设是错误的。例如,硬币(不对称)几乎肯定是有偏差的;这种偏差的大小无疑可以忽略不计,但并非完全为零,这就是通常测试硬币偏差的 H0 所断言的。如果我们观察到足够多的翻转,我们最终将能够检测到这种与精确无偏性的微小偏差。在这种情况下接受“零假设”会很奇怪,因为我们在执行测试之前就知道它肯定是错误的。该测试当然仍然有用,因为我们通常对硬币是否实际上有偏见感兴趣。